AI预测材料性质的不确定性量化方法比较
材料科学
2023-10-23 v1 机器学习
摘要
材料性质大型数据库的发展，加之强大计算机的可及性，已使机器学习(ML)建模成为预测材料性能的广泛使用工具。尽管此类ML模型常报告置信区间，但预测区间即每次预测的不确定性并不常可得。本文研究三种易于实现的个体不确定性确定方法，并在跨越能量、力学、电子、光学与谱学性质的十个ML量上进行比较。具体而言，我们聚焦于分位数方法、预测区间的直接机器学习以及集成方法。
引用
@article{arxiv.2310.13136,
title = {Approaches for Uncertainty Quantification of AI-predicted Material Properties: A Comparison},
author = {Francesca Tavazza and Kamal Choudhary and Brian DeCost},
journal= {arXiv preprint arXiv:2310.13136},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2107.07997